OVHcloud vendait jusqu’à présent surtout l’infrastructure de l’intelligence artificielle, notamment la location de GPU (processeurs graphiques utilisés pour entraîner et faire fonctionner les modèles). Avec Olala, l’entreprise française conçoit désormais ses propres modèles, dont le premier, Olala mini 7A1B, doit être publié le jeudi 19 novembre.
« Ce qu’on veut montrer, c’est que l’Europe a sa place dans l’ensemble des couches de l’intelligence artificielle », a déclaré Octave Klaba, PDG d’OVHcloud, à l’AFP.
Olala mini, un modèle compact pour un usage local
Olala mini 7A1B repose sur une architecture à experts : seule une fraction de ses paramètres, c’est-à-dire ses réglages internes, travaille à chaque requête. Selon OVHcloud, cette organisation allège les besoins en mémoire et permet au modèle de tourner en local, y compris sur un simple processeur.
Le modèle compte 7 milliards de paramètres, dont 1 milliard activé par requête, répartis entre 256 experts par couche. Son architecture hybride alterne couches d’attention (Differential-TPA) et couches Mamba-3, conçues pour limiter la mémoire nécessaire. Il exige un GPU doté de 8 Go de mémoire au minimum et atteint 160 tokens par seconde (unités de texte traitées par le modèle) sur une RTX A4500, contre 50 sur processeur seul. Sa fenêtre de contexte, soit la quantité de texte qu’il peut traiter d’un coup, est de 32 000 tokens.
Le modèle sera publié sur Hugging Face, sous licence Apache 2.0, le jour de l’OVHcloud AI Summit. OVH fournit les poids, le modèle de base pré-entraîné, un rapport technique et une documentation de conformité à l’AI Act. Selon l’entreprise, Qwant l’utilise déjà pour les réponses flash de son moteur, qui seraient 20 % plus rapides et trois fois moins chères qu’avec le modèle précédent.
Une feuille de route vers plus de 100 milliards de paramètres
Le modèle a été entraîné sur trois supercalculateurs publics européens, Jupiter, MeluXina et Jean Zay. Cette aide, équivalente à 7 millions d’euros d’heures de calcul, a donné naissance à OVHai LLM, son lab agentique. « Le savoir-faire dans l’entraînement de modèles s’est largement démocratisé et le coût d’un entraînement a été divisé par 20 en 3 ans », souligne Octave Klaba dans le communiqué.
La version 1.1, attendue d’ici la fin de l’année, doit porter la fenêtre de contexte à 128 000 tokens et progresser en raisonnement mathématique. La version 2.0 dépassera les 100 milliards de paramètres et se déclinera en modèles spécialisés : l’agentique pour les entreprises, destiné à alimenter OVHai Workspace, le DevOps cloud pour les développeurs, les architectes et les équipes d’exploitation, et la cybersécurité, défensive comme offensive. Auprès de l’AFP, Octave Klaba évoque aussi des outils d’assistance au code, à la manière de Claude Code ou de Codex, et vise 100 millions d’utilisateurs, sans échéance précise.
Une concurrence directe avec Mistral AI
Olala place OVHcloud en concurrence directe avec Mistral AI, sur un autre modèle économique. La startup française, valorisée plus de 21 milliards d’euros, a levé 3 milliards d’euros en septembre. OVHcloud, rentable, ne compte pas lever de fonds pour financer sa stratégie IA.
Son patron avait déjà souligné, dans un entretien à La Tribune, que OVH et Mistral étaient « très différents », en comparant notamment le chiffre d’affaires et le nombre de clients des deux entreprises. « Nous ne partons pas de zéro. Nous avons une base de clients, avec une marque OVH », a-t-il insisté auprès de l’AFP.
Techniquement, Olala mini se place dans la catégorie des Ministral 3, les modèles compacts de Mistral AI (3, 8 et 14 milliards de paramètres), eux aussi pensés pour un usage local. Il reste loin de Mistral Small 4, avec ses 119 milliards de paramètres et une fenêtre de contexte huit fois plus large, et plus encore de Mistral Large 4.
OVH n’a publié aucun benchmark : le communiqué donne des débits, mais pas de scores de qualité, ce qui empêche pour l’instant toute comparaison chiffrée avec les modèles de Mistral AI.
